> ## Documentation Index
> Fetch the complete documentation index at: https://docs.devinenterprise.com/llms.txt
> Use this file to discover all available pages before exploring further.

# Agente de Análise de Dados

> Use o agente de Análise de Dados para consultas rápidas a bancos de dados, análise de dados e visualizações

O **Agente de Análise de Dados**, também conhecido como **DANA** (Data ANAlyst), é uma versão especializada do Devin, otimizada para consultas a bancos de dados, análise de dados e criação de visualizações. Ele foi projetado para ser rápido, conciso e voltado especificamente para fluxos de trabalho de análise de dados.

<div id="when-to-use-the-data-analyst-agent">
  ## Quando usar o Data Analyst Agent
</div>

O Data Analyst Agent é ideal quando você precisa:

* **Consultar bancos de dados**: Escrever e executar consultas SQL em suas fontes de dados conectadas
* **Analisar dados**: Explorar padrões, calcular métricas e investigar tendências nos seus dados
* **Criar visualizações**: Gerar gráficos profissionais usando seaborn
* **Responder a perguntas sobre seus dados**: Obter respostas rápidas e precisas para perguntas sobre seus dados
* **Gerar insights**: Descobrir padrões, anomalias e conclusões acionáveis

<div id="accessing-the-data-analyst-agent">
  ## Acessando o agente Data Analyst
</div>

<div id="from-the-web-app">
  ### Pelo aplicativo web
</div>

1. Acesse a página inicial do Devin
2. Clique no menu suspenso de seleção de agente
3. Selecione **Data Analyst** no menu suspenso
4. Inicie sua sessão com uma pergunta ou tarefa relacionada a dados

<div id="from-slack">
  ### Pelo Slack
</div>

Você pode iniciar uma sessão do Data Analyst diretamente pelo Slack usando um destes métodos:

**Usando o comando de barra (/):**

```
/dana Quais foram os 10 principais clientes por receita no mês passado?
```

**Usando uma menção com a macro `!dana`:**

```
@Devin !dana Quais foram nossos 10 principais clientes por receita no mês passado?
```

Ambos os métodos criarão uma sessão de Data Analyst e responderão no próprio thread com os resultados.

<div id="prerequisites">
  ## Pré-requisitos
</div>

Antes de usar o Data Analyst Agent, você precisará conectar pelo menos uma fonte de dados via MCP (Model Context Protocol). Integrações comuns incluem:

* **MCPs de banco de dados**: Redshift, PostgreSQL, Snowflake, BigQuery e outros bancos de dados SQL
* **MCPs de análise**: Datadog, Metabase e outras plataformas de observabilidade

Se não houver nenhuma fonte de dados conectada, o agente notificará você e pedirá que conecte uma antes de prosseguir.

<Card title="Configure integrações MCP" icon="plug" href="/pt-BR/work-with-devin/mcp">
  Saiba como conectar bancos de dados e outras fontes de dados via MCP
</Card>

<div id="how-it-works">
  ## Como funciona
</div>

<div id="database-knowledge">
  ### Knowledge de banco de dados
</div>

O Data Analyst Agent mantém uma nota de **Knowledge de banco de dados** que contém a documentação de schema dos bancos de dados conectados. Essa Knowledge é consultada automaticamente antes da execução de consultas, permitindo que o agente identifique rapidamente as tabelas e colunas corretas.

<div id="example-prompts">
  ## Exemplos de prompts
</div>

Aqui estão algumas maneiras eficazes de usar o Data Analyst Agent em diferentes tipos de consultas:

<div id="simple-lookups">
  ### Consultas simples
</div>

* "Quantos usuários ativos tivemos na semana passada?"
* "Qual é a nossa tendência diária de receita no último mês?"
* "Quais clientes têm o maior volume de uso?"

<div id="aggregations-and-metrics">
  ### Agregações e métricas
</div>

* "Qual é a duração média das sessões por nível de plano nos últimos 30 dias?"
* "Mostre a receita total agrupada por região e linha de produto para o 4º trimestre (Q4)"
* "Calcule o tempo de resposta no 95º percentil para cada endpoint de API desta semana"

<div id="joins-and-cross-table-analysis">
  ### Junções e análise entre tabelas
</div>

* "Faça um join da nossa tabela de usuários com a tabela de pedidos e mostre os 20 principais clientes por lifetime value (LTV)"
* "Correlacione a origem do cadastro com a retenção de 30 dias — quais canais de aquisição têm as melhores taxas de retenção?"
* "Combine dados de sessão com registros de faturamento para encontrar contas com alto uso, mas baixo gasto"

<div id="filtering-and-segmentation">
  ### Filtragem e segmentação
</div>

* "Mostre apenas clientes Enterprise que se cadastraram após janeiro de 2025 e têm mais de 100 sessões"
* "Filtre os logs de erro para mostrar apenas erros 5xx do serviço de pagamentos nas últimas 48 horas"
* "Detalhe o consumo por clientes Enterprise vs. autoatendimento, excluindo contas em período de teste"

<div id="time-series-analysis">
  ### Análise de séries temporais
</div>

* "Mostre um gráfico de usuários ativos semanais dos últimos 6 meses — destaque qualquer semana com variação superior a 10%"
* "Mostre uma comparação mês a mês das taxas de cadastro de 2025 em relação a 2024"
* "Qual é a tendência diária de chamadas de API nos últimos 90 dias? Sobreponha uma média móvel de 7 dias"

<div id="investigations-and-anomaly-detection">
  ### Investigações e detecção de anomalias
</div>

* "Por que os novos cadastros caíram na última terça-feira? Verifique se houve algum incidente ou implantação relacionada"
* "Há alguma anomalia em nossas taxas de erro nesta semana?"
* "Compare as métricas deste mês com o mesmo período do ano passado e sinalize desvios significativos"

<div id="multi-step-analysis">
  ### Análise em múltiplas etapas
</div>

* "Analise a retenção de usuários por coorte no Q4, depois identifique quais coortes têm a maior queda e sugira possíveis causas"
* "Encontre os 10 usuários com mais sessões, mostre suas atividades ao longo do tempo e sinalize quaisquer casos que pareçam possíveis churns"

<div id="supported-data-sources">
  ## Fontes de dados compatíveis
</div>

O Agente de Análise de Dados se conecta aos seus dados por meio de integrações MCP (Model Context Protocol). Você pode conectar múltiplas fontes de dados e fazer consultas entre elas. Abaixo estão algumas das fontes de dados mais comuns disponíveis no [MCP Marketplace](https://app.devin.ai/settings/connections?tab=mcps) — esta não é uma lista exaustiva.

<div id="sql-databases">
  ### Bancos de dados SQL
</div>

| Fonte de dados                            | Nome MCP   | Configuração                    |
| ----------------------------------------- | ---------- | ------------------------------- |
| Amazon Redshift                           | Redshift   | String de conexão + credenciais |
| PostgreSQL                                | PostgreSQL | String de conexão               |
| Snowflake                                 | Snowflake  | Conta + credenciais             |
| Google BigQuery                           | BigQuery   | OAuth ou conta de serviço       |
| MySQL                                     | MySQL      | String de conexão               |
| SQL Server                                | SQL Server | String de conexão               |
| Neon                                      | Neon       | OAuth                           |
| Supabase                                  | Supabase   | Token de acesso pessoal         |
| Cloud SQL (PostgreSQL, MySQL, SQL Server) | Cloud SQL  | OAuth                           |

<div id="analytics-and-observability-platforms">
  ### Plataformas de análise e observabilidade
</div>

| Fonte de dados | Nome do MCP | Configuração                    |
| -------------- | ----------- | ------------------------------- |
| Datadog        | Datadog     | API key + chave de aplicativo   |
| Metabase       | Metabase    | OAuth                           |
| Grafana        | Grafana     | URL + token de conta de serviço |
| Sentry         | Sentry      | OAuth                           |

<div id="connecting-a-data-source">
  ### Conectando uma fonte de dados
</div>

1. Acesse [Settings > Conexões > servidores MCP](https://app.devin.ai/settings/connections?tab=mcps)
2. Encontre sua fonte de dados e clique em **Enable**
3. Forneça as credenciais necessárias (strings de conexão, chaves de API ou OAuth)
4. Inicie uma sessão de Data Analyst — o agente descobrirá automaticamente suas fontes de dados conectadas

Precisa de uma fonte de dados que não esteja no Marketplace? Use **Add Your Own** para conectar qualquer servidor MCP, fornecendo sua configuração diretamente.

<Card title="Configurar integrações MCP" icon="plug" href="/pt-BR/work-with-devin/mcp">
  Instruções completas de configuração para cada fonte de dados
</Card>

<Note>
  Você pode conectar várias fontes de dados simultaneamente. O Agente de Análise de Dados usará as ferramentas MCP apropriadas com base no contexto da sua consulta.
</Note>

<div id="best-practices">
  ## Boas práticas
</div>

<div id="be-specific-about-metrics">
  ### Seja específico sobre métricas
</div>

Em vez de fazer perguntas vagas, defina exatamente o que você quer medir:

<CodeGroup>
  ```text Good theme={null}
  "Qual é a nossa contagem de usuários ativos em 7 dias, definida como usuários que iniciaram pelo menos uma sessão?"
  ```

  ```text Less effective theme={null}
  "Como estão os nossos usuários?"
  ```
</CodeGroup>

<div id="specify-time-periods">
  ### Especifique períodos de tempo
</div>

Sempre inclua o intervalo de tempo de interesse. O agente usa UTC por padrão ao interpretar datas relativas.

<CodeGroup>
  ```text Bom theme={null}
  "Mostre a receita diária dos últimos 30 dias"
  ```

  ```text Menos eficaz theme={null}
  "Mostre a receita"
  ```
</CodeGroup>

<div id="request-specific-output-formats">
  ### Solicite formatos específicos de saída
</div>

Diga ao agente como você quer ver os resultados — em forma de tabela, gráfico ou resumo:

<CodeGroup>
  ```text Bom theme={null}
  "Crie um gráfico de linha com os cadastros semanais do último trimestre, com uma tabela dos dados brutos abaixo"
  ```

  ```text Menos eficaz theme={null}
  "Obtenha os números de cadastros"
  ```
</CodeGroup>

<div id="define-business-logic-upfront">
  ### Defina a lógica de negócios desde o início
</div>

Se suas métricas tiverem definições específicas, inclua-as no seu prompt para evitar ambiguidade:

<CodeGroup>
  ```text Good theme={null}
  "Mostre a taxa de churn mensal, em que churn é definido como contas com zero sessões nos últimos 30 dias que tiveram pelo menos uma sessão nos 30 dias anteriores"
  ```

  ```text Less effective theme={null}
  "Qual é a nossa taxa de churn?"
  ```
</CodeGroup>

<div id="ask-for-comparisons-and-context">
  ### Peça comparações e contexto
</div>

Adicionar períodos de comparação ou benchmarks torna os resultados mais úteis:

<CodeGroup>
  ```text Good theme={null}
  "Mostre os usuários ativos diários desta semana em comparação com a mesma semana do mês passado e destaque os dias com mais de 15% de desvio"
  ```

  ```text Less effective theme={null}
  "Mostre os usuários ativos diários"
  ```
</CodeGroup>

<div id="iterate-on-results">
  ### Iterar sobre os resultados
</div>

Você pode fazer perguntas de acompanhamento na mesma sessão para investigar mais a fundo:

1. Comece de forma ampla: *"Quais são nossos 10 principais clientes por receita neste trimestre?"*
2. Aprofunde: *"Para os 3 principais, mostre a tendência de receita mensal ao longo do último ano"*
3. Investigue: *"O cliente X teve um pico de receita em março — o que motivou isso?"*

<div id="validate-the-sql">
  ### Validar o SQL
</div>

O agente sempre inclui a consulta SQL que utilizou. Revise-a para garantir que a lógica corresponda às suas expectativas, especialmente em análises complexas que envolvam junções, filtros ou agregações.

<div id="output-formats">
  ## Formatos de saída
</div>

O agente Data Analyst retorna resultados em vários formatos, dependendo do tipo de análise:

<div id="tables">
  ### Tabelas
</div>

Para buscas e agregações de dados, os resultados são exibidos como tabelas formatadas:

```
| Customer       | Revenue   | Sessions | Avg Duration |
|----------------|-----------|----------|--------------|
| Acme Corp      | $125,400  | 1,247    | 34 min       |
| Globex Inc     | $98,200   | 983      | 28 min       |
| Initech        | $87,600   | 876      | 41 min       |
```

<div id="charts-and-visualizations">
  ### Gráficos e visualizações
</div>

Quando você solicitar análise visual ou quando os dados forem melhor compreendidos de forma gráfica, o agente gera gráficos usando seaborn. Tipos comuns de gráficos incluem:

* **Gráficos de linha** — tendências de séries temporais, comparações ao longo do tempo
* **Gráficos de barras** — comparações categóricas, classificações
* **Mapas de calor** — matrizes de correlação, padrões de atividade
* **Gráficos de dispersão** — análise da relação entre duas métricas

<Tip>
  Peça um tipo específico de gráfico se você tiver uma preferência ou deixe o agente escolher a visualização mais adequada para seus dados.
</Tip>

<div id="summaries-and-insights">
  ### Resumos e insights
</div>

Para prompts de investigação, o agente fornece uma resposta estruturada que inclui:

* **Resumo da análise** — uma resposta em linguagem simples para a sua pergunta
* **Consulta SQL** — a consulta SQL exata utilizada, para que você possa verificar a lógica
* **Principais números** — as métricas mais importantes destacadas
* **Insights de dados** — padrões, anomalias ou descobertas relevantes
* **Link do Metabase** — se sua organização tiver o Metabase conectado via MCP, o agente pode incluir um link para um dashboard interativo para exploração mais detalhada

<div id="knowledge-management">
  ## Gerenciamento de Knowledge
</div>

O Data Analyst Agent pode persistir aprendizados entre sessões usando o sistema de Knowledge. Quando ele descobre:

* Novas informações de esquema ou relacionamentos entre tabelas
* Lógica de negócios ou definições de métricas
* Padrões de qualidade de dados ou ressalvas

ele salva isso em notas no Knowledge para que sessões futuras se beneficiem do que foi aprendido.

<Card title="Saiba mais sobre Knowledge" icon="brain" href="/pt-BR/product-guides/knowledge">
  Entenda como funciona o sistema de Knowledge do Devin
</Card>

<div id="differences-from-standard-devin">
  ## Diferenças em relação ao Devin padrão
</div>

| Capability                | Data Analyst Agent                      | Standard Devin         |
| ------------------------- | --------------------------------------- | ---------------------- |
| SQL query execution       | Execução otimizada                      | Suportada              |
| Data visualizations       | Suporte integrado a seaborn             | Configuração manual    |
| Database schema awareness | Conhecimento pré-carregado              | Exploração sob demanda |
| Response style            | Respostas concisas, focadas em métricas | Explicações detalhadas |
| Code changes              | Não é o foco principal                  | Suporte completo       |
| MCP integrations          | Integrações obrigatórias                | Integrações opcionais  |

O Data Analyst Agent é desenvolvido especificamente para trabalho com dados. Para tarefas que envolvem alterações de código, implantações (deploys) ou engenharia de software em geral, use o Devin padrão.